2026年6月的北京智源大会，具身智能专场的热度彰着压过了历届。40余位CEO同台，千寻智能估值超百亿，灵心巧手寻求400亿估值——成本的热度仍在。但比融资数字更躁急的，是一场握续一年的技艺阶梯之争：VLA（Vision-Language-Action）与寰宇模子（World Model），究竟是替代关系，如故和会关系？

智普通首创东说念主兼CEO郭彦东在具身产业CEO论坛上给出了他的谜底：寰宇模子不是VLA的竞争阶梯，而是VLA体系中的中枢构成部分。

这一判断试图为争论降温，但现场的技艺不对并未因此消弭。

一、"和会论"的提倡：从对立到颐养

往日一年来，具身智能范围的技艺阶梯分化彰着。VLA派主张"平直映射"——将视觉、说话、作为颐养在端到端大模子中，输入图像和领导，平直输移作为序列。其上风在于语义意会才略强，能通过当然说话竣事通达领导交互。

寰宇模子派则主张"先估计、后实施"——让机器东说念主在行径前先在"脑中"模拟物理成果，再作念出决策。不少商量者合计，机器东说念主独一先斥地对物理寰宇的意会才略，技艺产生可靠步履。

郭彦东的切入角度是生物演化。他合计，行径才略从来不是一身产生的，人命当先需要感知环境、意会环境，然后才谈得上行径。因此，寰宇模子正经意会寰宇，VLA正经作用于寰宇，两者并非对立，而是"自然颐养的举座"。

基于这一逻辑，他从头界说了VLA：VLA是多种模态和会、大数据启动的端到端模子架构的总称。 在这一框架下，寰宇模子搞定的是对物理环境的宽阔4D估计（含时期维度），是VLA空间感知才略的构成部分，而非替代者。

"如若不把寰宇模子合并在VLA内部，许多任务扫数作念不了。"郭彦东例如称，沏茶需要先拿茶包再倒水，这类长程任务规画依赖说话模子；而水杯商量桌边可能掉落，这类短程物理估计则依赖寰宇模子。独一两者合并，机器东说念主技艺同期处理长程规画与短程估计。

此外，智普通还尝试用寰宇模子生成确切环境中难以收罗的旯旮数据（corner case），补足VLA的磨真金不怕火样本。

二、从Video2Act到NeuroVLA：类脑架构的落地

智普通的技艺演进旅途，赶巧踩在这条"和会"线上。2025年11月，智普通与北京大学合资发布Video2Act架构，尝试将4D寰宇模子镶嵌VLA，使机器东说念主在行径前预判状况变化，再将预判平直调遣为作为。据公开信息，该责任在第三方评测中领略优于部分硅谷同类决议，并赢得了包括英国皇家两院院士Philip Torr、强化学习奠基东说念主之一Pieter Abbeel等学者的关心。

而在本届智源大会上，智普通进一步发布了类脑具身智能系统NeuroVLA。郭彦东提倡，面前行业"天天想着如何长得像东说念主，但莫得东说念主想如何让脑子更像东说念主"。

NeuroVLA的架构模仿了东说念主类大脑的单干机制：皮层正经语义意会和任务规画，小脑正经高频通达勾通与动态修正，脊髓正经毫秒级通达实施与安全反射。据智普通走漏的数据，该架构可将机器东说念主通达抖动裁汰75%以上，在碰撞发生后20毫秒内完成反射反应，同期裁汰系统功耗。

从工程角度看，这一分层筹算如实恢复了面前VLA架构的某些痛点——颐养大模子同期处理感知、推理与限制，陆续导致反应慢、能耗高、作为抖动。NeuroVLA通过"类脑"分层，九游体育中国官网入口在架构层面尝试解耦不同时期挨次的任务。

三、阶梯之争确切"散伙"了吗？

但是，"和会论"是否意味着VLA与寰宇模子的争论还是驱散？现场的反馈并不一致。

一方面，和会念念路在工程层面具有求不二价值。对于面前急需家具落地的机器东说念主骨子公司而言，VLA提供了可部署的管说念，寰宇模子提供了空间估计才略，两者结合如实能擢升短期内的任务领略。

但另一方面，这种"合并"也激励了对于范式层级的商榷。 有商量者合计，将寰宇模子界说为"VLA的构成部分"，推行上是在用1.0的框架（端到端作为生成）去收编2.0的主张（物理寰宇的零丁建模）。寰宇模子的终极指向，究竟是劳动于机器东说念主作为的"空间感知模块"，如故成为不依赖骨子的通用物理AI基模？这一问题并未因"和会论"而消解。

事实上，在智源大会的其他口头，不同阶梯的不对依然彰着。智源商量院发布的悟界·Physis-v0.1，试图以"颐养物理状况学习"特等说话/像素/三维/视觉表征四条阶梯，在原始物理状况层面作念估计。而由图灵奖得主Yann LeCun与纽约大学谢赛宁主导的AMI Labs，则主张JEPA（Joint Embedding Predictive Architecture）框架——寰宇模子不应在原始像素空间估计，而应在空洞的表征空间推演物理变化，其地点并非生成作为，而是构建可泛化的物理意会。

这些旅途与智普通的NeuroVLA变成了巧妙对照：前者试图从物理AI的底层从头界说估计逻辑，后者则是在现存VLA架构内优化作为实施的褂讪性与及时性。两者并非并吞层面的竞争，却分享着"寰宇模子"这一主张标签。

四、行业谛视：主张和会与买卖现实的距离

值得贯注的是，面前寰宇模子的公开落地才略，与行业期待之间仍存在落差。郭彦东在演讲中也坦言，当下被无为商榷的寰宇模子，"推行上并不是物理规则启动，而是靠海量数据磨真金不怕火出来的"——数据饱和多，模子就知说念水杯会着落，但这不是物理规则的转头，而是大数据学习的扫尾。

这意味着，面前所谓的"寰宇模子"，更多是数据启动的统计干系，而非信得过的因果推理。 将其镶嵌VLA，能在特定场景下擢升领略，但是否具备跨场景泛化的"物理意会"，仍需更多考证。

此外，类脑架构的工程化也面对挑战。东说念主类大脑的分层机制流程数亿年演化，而机器东说念主大脑的"皮层-小脑-脊髓"分层，如安在不同硬件平台、不同任务负载下保握褂讪协同，当今公开的考证数据仍然有限。智普通走漏的抖动裁汰75%、20毫秒反射反应等宗旨，属于实验室或特定场景下的扫尾，大范围工业部署中的领略尚待不雅察。

智普通在智源大会上提倡的"和会论"，为VLA与寰宇模子的阶梯之争提供了一个求实的工程出口。对于弥留需要家具落地的具身智能产业而言，这种"先合并、再优化"的念念路，简略比恭候范式澈底拘谨更现实。

但将寰宇模子"合并"进VLA，是否等同于"散伙"了阶梯之争？谜底可能是含糊的。在物理AI的更长图景中九游体育(中国)2026世界杯官方app下载，寰宇模子究竟是VLA的一个子模块，如故下一代东说念主工智能的零丁基座，这一问题的谜底，将决定具身智能是停留在"更好的机器东说念主"层面，如故迈向"信得过的物理意会"层面。